“机器学习必修经典算法与Python实战"课程旨在教授学员机器学习领域的经典算法原理和实际应用技巧。学员将学习算法如决策树、支持向量机、神经网络等的原理，并通过Python实战项目加深理解。通过课程，学员将掌握机器学习算法的核心概念，提升数据分析和预测能力。无论您的背景如何，都能从中受益并应用于实际项目中。 ├── 01-1-1课程内容和理念.mp4├── 02-1-2-1本章总览.mp4├── 02-1-2初识机器学习.mp4├── 02-2-2-2数据长什么样：常见数据集、典型实例、如何使用.mp4├── 02-3-2-3研究哪些问题：分类、回归等.mp4├── 02-4-2-4如何分门别类：监督、无监督、强化学习等.mp4├── 02-5-2-5机器学习的七大常见误区和局限.mp4├── 03-1-3-1本章总览：相互关系与学习路线.mp4├── 03-1-3课程使用的技术栈.mp4├── 03-2-3-2Anaconda图形化操作.mp4├── 03-3-3-3Anaconda命令行操作.mp4├── 03-4-3-4JupyterNotebook基础使用.mp4├── 03-5-3-5JupyterNotebook高级使用：常用魔法命令.mp4├── 03-6-3-6Numpy基础：安装与性能对比.mp4├── 03-7-3-7Numpy数组创建：特定数组、等差数组、随机数组.mp4├── 03-8-3-8Numpy数组基础索引：索引和切片.mp4├── 03-9-3-9Numpy非常重要的数组合并与拆分操作.mp4├── 03-10-3-10Numpy数组矩阵运算：一元运算、二元运算与矩阵运算.mp4├── 03-11-3-11Numpy数组统计运算：常用的都在这儿了.mp4├── 03-12-3-12Numpy数组arg运算和排序.mp4├── 03-13-3-13Numpy数组神奇索引和布尔索引.mp4├── 03-14-3-14Matplotlib数据可视化：基础绘制与设置.mp4├── 04-1-4-1本章总览.mp4├── 04-2-4-2KNN算法核心思想和原理.mp4├── 04-3-4-3KNN分类任务代码实现.mp4├── 04-4-4-4数据集划分：训练集与预测集.mp4├── 04-5-4-5模型评价.mp4├── 04-6-4-6超参数.mp4├── 04-7-4-7特征归一化.mp4├── 04-8-4-8KNN回归任务代码实现.mp4├── 04-9-4-9KNN优缺点和适用条件.mp4├── 05-1-5-1本章总览.mp4├── 05-2-5-2线性回归核心思想和原理.mp4├── 05-3-5-3逻辑回归核心思想和原理.mp4├── 05-4-5-4线性回归代码实现.mp4├── 05-5-5-5模型评价：MSE、RMSE、MAE和R方.mp4├── 05-6-5-6多项式回归代码实现.mp4├── 05-7-5-7逻辑回归算法.mp4├── 05-8-5-8线性逻辑回归代码实现.mp4├── 05-9-5-9多分类策略.mp4├── 05-10-5-10复杂逻辑回归及代码实现.mp4├── 05-11-5-11线性算法优缺点和适用条件.mp4├── 06-1-6-1本章总览.mp4├── 06-2-6-2损失函数.mp4├── 06-3-6-3梯度下降.mp4├── 06-4-6-4决策边界.mp4├── 06-5-6-5过拟合与欠拟合.mp4├── 06-6-6-6学习曲线.mp4├── 06-7-6-7交叉验证.mp4├── 06-8-6-8模型误差.mp4
| 
发表于 2025-2-1 19:03
